1、上海证券市场价格与交易量关系实证分析第 26 卷第 3 期大连理工大学学报(社会科学版)Vol1.28，No.832007 年 9月 JournaIofDaIianUniversityofTechnoIOgy(SOCiaISciences)叙 pt，2007 上海证券市场价格与交易量关系实证分析张博，殷仲民(西安理工大学工商管理学院，陕西西安 710054)摘要 :价童关系研究作为揭示证券交易过程基础性变黄之间内在联系的课题，对于发现证券市场史易特征和内在运行规律具有一定的现实意义，并对交易机制改进提供理论指导。文章基于信息理论模型中的演合分布很设 (MDH).在运用 Granger 因果关系
2、检脸法对上海证券市场价贵关系进行分时段分析的基础上，得出结论认为上海证券市场通过交易机制变革在一定程度上推进了市场整体运行效率的提升。交易蚤特别是信息交易贵对于价格变动的解释能力逐步琳加，存在价 1 之间双向的 Granger 因果关系，并据此提出了具体的交易机制改进对策。关键词:价量关系;信息交易量;Granger 因果检验中图分类号 :F830.91 文献标识码:A 文章编号:1008 一 407X(2007)03 一 0018 一07EmPiricaIanalysisofrelationshiPbetwenPriceandtradingvolumeinshanghaisecurities
3、MarketZHANG 日。 ，YINZhong 一 min(ScIK 幻 fotMana 笋ment，XianUniversityofT6chno!。gy，Xian710054，China)Abstract:Beingthestudyoninnerlinkofthebasicvariablesofsecuritiesexchangeprocess，therelationshiPbe-tweenpriceandtradingvolumeresearchhaspracticalsignificancetodiscoverthemarkettradingcharacteristicsandoPer
4、ationregulations，andprovidesthetheoreticalguidetothemarkettradingmechanismimprovement.BasedonMDH(MixtureDistributionHypothesis)，theauthorscarryouttimedivisionstudyonShanghaiSe-curitiesMarketsrelationshipbetweenpriceandtradingvolumeusingGrangercauseeffectinspectionrneth-odanddrawtheconclusionsthatthe
5、marketliesinthetwo 一waypriceandtradingvolumeGrangercauseefectrelationship，andthatthemarketqualitygainsremarkabledevelopmentduetotradingmechanismre-form.Thispaperalsopointsouttradingvolume，especial1yinformationtradingvolume，whichhasincreasingexplanationabilitytopricevariation。Intheend，theauthorsprovi
6、deconcretecountermeasuresonfurthertradingmechanismreform.Keywords:relationshipbetweenPrlCeandtradingvolume;informationtradingvolume;Grangercauseeffect-InsPeCtlon 易过程的基础性变量，价量关系(tradingpriceand 一、引言 volumerelationship)研究的目的在于剖析两者间存在的统计表现性特征和内在规律性联系。价量关系研究在现代金融理论中，价格和交易量是描述证券交作为揭示证券交易过程基础性变量之间内在联系的课收稿
7、日期:2007 一 07 一。 ，甚金项目:国家社会科学基金项目(04XJYO41)作者简介:张博(1974 一)，男，陕西西安人，讲师，主要从事金融市场研究;殷仲民(1955 一)，男，陕西乾县人，教授，主要从事金融市场研究。第 3 期张博，殷仲民:上海证券市场价格与交易量关系实证分析 19.题，对于发现证券市场交易特征和内在运行规律具有揭示能力;其次，在分析时段选取上较为随意，并且多一定的现实意义，并对交易机制改进提供理论指导。为单阶段静态分析，没有充分考虑数据分段特征的变 KarPof 对价量关系研究的理论和现实价值作出了深化，也未能从动态对比角度揭示价量关系的演进;最刻的概括:首先，价
8、量之间的真实关系有助于人们了解后，对于价量关系实证结果的剖析仍有待深人，未能深证券市场的信息流动机制和微观结构;其次，价量关系人到交易机制层面，因而对于市场发展的实践指导作研究有助于推进证券市场事件研究;再次，价量关系研用相对有限。本文在甄选已有国内外价量关系研究成究对解释证券价格分布状态具有决定性影响;最后，价果的基础上，通过对交易量序列的分解、提取信息交易量关系研究有助于解释技术分析的有效性并为投资者量作为实证分析的数据基础，并运用信息理论模型中提供有价值的信息l3。的混合分布假说作为理论基础，在结合市场制度变迁价量关系研究在国外可以追溯到 clark 利用低频实践的基础上进行两时段价量关
9、系实证分析，从对比数据所进行价量关系的相关性分析图，其后 Epps、分析中谋求更深人地揭示上海证券市场价量关系以及 Karpoff、Smirlock、Gallant 和公。pell 等学者利用不该市场交易机制存在的不足，据此提出具有针对性的同方法深化了这一研究双硬硕幻。国外在解释价量之改进对策。间存在的紧密联系方面具有代表性的理论可分为三类:第一类是交易理论模型，它强调交易者的交易行为二、理论基础和研究方法是解释价量正相关性的关键，认为交易者倾向于在市场交投活跃时进行交易，因此交易量和价格波动在时 1。信息理论模型概述间上存在集群性;1;第二类是理念分散模型，该模型认信息理论模型从信息引起交易
10、需求和交易供给变为交易者对市场信息理解的分歧越大，引起价格的波化的角度解释交易量与价格波动间存在的正相关关动和交易量也越大sj;第三类是信息理论模型，它指出系，认为当市场预期一致时，证券价格达到暂时的均信息是交易量和价格波动的共同驱动因素，这与市场衡，随着新的信息到达市场，基于接受信息的先后以及微观结构理论所坚持的价格波动主要源于新信息不断对于信息的不同理解，乐观的预期产生交易需求而悲到达市场并融入到交易过程中的观点相一致，加之获观的预期产生交易供给，交易需求和交易供给共同作得了更多的实证研究的支持，信息理论模型目前已经用导致交易行为并产生交易量，价格调整是对已到达成为解释价量关系的主流模型图
11、。市场信息流的反应。新信息流到达市场的强度和频率近年我国一些学者基于国外研究成果对我国证券决定了市场交易的活跃程度、交易量和价格的波动程市场价量关系进行了有益的探索。张维、同冀楠针对度。信息理论模型包括信息序贯到达模型、噪声交易上海证券市场的研究发现价格对交易量具有显著的线理性预期模型和混合分布假说(MDH，MixtureDis-性因果关系，而交易量对短期价格波动不具有线性因 tributionHypothesis)，其中 MDH 得到 T 更多的实证果关系，但长期却存在非线性因果关系l0;陈良东利支持。混合分布假说(MDH)认为价格波动与交易量用线性 Granger 因果检验对上海证券市场价
12、量关系进的联合分布由一个潜在的、被假定为信息流的混合变行了剖析，发现交易量的变化与绝对价格收益之间存量共同驱使，市场中存在着一种反映信息在市场传播在显著的正相关l;陈怡玲、宋逢明通过研究发现交速度的潜在性因素，新信息流进人市场产生影响并引易量与价格变化绝对量、价格变化本身线性正相关，并起交易量和价格同期变动，并且价格波动和交易量分且存在非对称的价量关系2;魏巍贤对上海证券市场别与信息流的速率正相关，继而形成价格波动与交易价格与交易量进行协整分析，得出两者间存在长期均量正相关15 。在 MDH 框架下，交易量与价格波动的衡的结论ls;范钦、张明善利用 Granger 因果关系检动态特征仅仅依赖于
13、信息流到达过程的时间序列特验法和 VAR 模型对我国A、B、H 股市场分割下价量征，因此交易量序列可以作为信息流的代理指标并成关系的表现特征和内在规律进行研究闭。为产生价格持续性波动的因素，反之亦然。国内价量关系实证研究存在以下不足之处需要加 2.研究方法以改进。首先，现有研究在对交易量的处理上不够细(1)交易量的分解致，有些仍直接运用原始交易量序列进人模型，而未将根 MDH 的观点交易量包含两部分信息交其进行进一步的甄别和分离，从而削弱了研究成果的易量和非信息交易量，前者是基于新信息到达诱发信.20.大连理工大学学报(社会科学版)第 28 卷息交易而增加的交易量，后者一般是噪声交易而引起0)
14、，则称 x 是 y 的 Granger 原因。的交易量.信息交易量作为新信息到达并对交易量产生冲击的体现，基于新信息随机、不连续的特征，信息三、上海证券市场价量关系实证分析交易量变化较为随机、不具稳定性;而从长期看基于噪声交易因素产生的非信息交易量则相对较为稳定。据1。数据特征此非信息交易量是交易量中可以预测的成分，可由交(1)数据来源易量的平均值预期交易量来表示;信息交易量则 1996 年 12 月 16 日上海证券交易所开始实行交无法从历史交易量序列中予以解释并由非预期交易量易价格涨跌幅限制(涨跌停板制度)，其后在 20O6 年 6 来表示.用式(1)剔除交易量序列中的线性和非线性月份开始
15、分批推进的股权分置改革进人实施阶段，从趋势的影响。市场微观结构理论出发，有理由相信交易机制转换和认=a。=al 犷+a:户+“，(1)制度变迁会导致市场交易特征和交易行为产生较为明其中 vt 为原始交易量序列，t 和尸分别为线性和显的差异，因此有必要以 1996 年 12 月 16 日和2006 非线性时间趋势。上式的残差估计值便成为剔除了时年 5 月 31 日为分水岭将不同特征的市场数据进行分间趋势后的交易量序列，即去势交易量，记为试。用自段处理，以避免数据结构转变所带来的分析谬误。据回归移动模型 AR从 A(p，妇(见式幻对 v，进行回归以此将检验的样本期分为两个时段进行分析:1990 年
16、 12 剔除去势交易量试中存在的序列相关性(见式 3)。月 19 日至 1996年 12 月 15 日为第一时段;1996 年 12yt=c+恤卜 1 十+肠 y，+十氏。 ， 、+一十专、月 16 日至 2006 年 5 月 31 日为第二时段。选取上证(2)综合指数(简称“上证综指” ，下同)日收益率及日交易刀忿=名几金额数据为价量关系指标分析对象，数据源自国泰安:口。认+2 执今、(3)式(3)的残差估计值剔除了时间趋势项和序列相公司开发的 CSMAR 数据库，分析中使用计量经济学关性，构成非预期交易量认， ，其与去势交易量之差构软件 SPSS 和 Eviews。成预期交易量、(、=试一
17、认，)。(2)数据描述上证综指日收益率序列统计特征(2)Granger 因果关系检验法记尸:为日收盘指数，R，为日(对数)收益率，则 Granger 因果关系检验法是 Granger 于 1969 年利用滞后分布概念建立的，Granger 的因果性表示了 R:，InPt 一 InP，1，应用 SPSS 软件对其进行单变量不同时间序列间的领先与滞后关系，如果变量二是导频数分布分析得出上数变量的统计量特征，见表 1。致变量上证综指日交易量序列统计特征 y 的原因，则变量 x 的变化将先于 y 的变化。Granger 提出如果利用二和 y 的滞后值对夕进行预测以上证综指日交易额序列为原始交易量序列，
18、对比只用其进行单变量频数分布分析和序列自相关检验，结果 y 的滞后值预测所产生的预测误差要小，即了(叭Y 曰，对 Vk0)扩(ytl(Y 卜，X，二分别见表 2 和表 3。)，对 Vk 裹 1 上证综指日收益率序列统计特征时段指标样本数最大值最小值均值标准差极差偏度峰度第一时段 Pt1514153799.98651.39311.301437 一 0.013 一0。408Rt15130.72 一 0。180。00160.03800.905.35190。607 第二时段Pt22762242865.581470.7301.3813770。642 一 0。289Rt22750。09 一0.1040.0
19、00170.01560。198 一 0。1976.812 表 2 上证综指原始交易妞序列统计特征时段样本数最大值最小值均值标准差极差偏度峰度第一时段151419855280134780.81230694。96419855283，41715。379 第二时段22765415012120775905650，40633244.58352942372。1767。686第 3 期张博，殷仲民:上海证券市场价格与交易量关系实证分析.21 衰 3 上证综指原始交易，序列自相关检验加 x 一LjungstatisticLagAutocorrelationStd。Error(a)Valuedf519.(b)10
20、.9340.0163310.713l0.00020.8890.0166312.55620.00030.8570.0169097.22230.00040.8300.01611711.47840。00050.8000.01614140.35550.00060.7760。01616429.83360.00070.7580.01618611.90270。00080.7460.01620725.79?80.00090.7340.01622773.20490.000l00.7240.01624766.084100.000统计分析 2.上海证券市场价格与交易 tGranger 因果检验从以上的统计特征中可以
21、发现上海证券市场两时(1)交易量的处理段价量指标具有显著的差异，笼统使用全部时间序列去除原始交易量认中的线性、非线性时间趋势，数据可能会导致模型设立上的错误并影响分析结论的得到了去势交易量 vt;然后经过比较，分别选择正确性，分时段考察更为适宜。同时原始交易量序列 ARMA(8，0)以及ARMA(9，0)去除了试中的序列的自相关系数明显超出了置信区间、存在着显著的自相关性，得到了非预期交易量劝;最后用去势交易量相关，说明原始交易量序列具有高度的可预测性，与将试减去非预期交易量仇:得到预期交易量vZ:。考查期其分解为预期交易量和非预期交易量的要求相一致。间内的相关性检验结果见表 4。衰 4 上证
22、综指日交易 t 序列相关性检验 vr 认，跳lPearsonCorrelation1.437(朴谷)0.900(铃朴)铸 519.(2 一 tailed)0.0000.000N379037813781PearsonCorrelation0.437(， ，)10.001 劝 r519.(2一 tailed)0.0000.935N378137813781PearsonCorrelation0.900(朴朴)0.0011七告 519.(2 一 tailed)0.0000.935N378137813781 份.Correlationissignificantattheo.0llevel(2 一 tai
23、led).通过对各交易量之间相关系数的分析发现预期交在单位根的原假设，从而表明上述序列都是平稳过程。易量 vl，和原始交易量 v:相关性很高，非预期交易量基于上海证券市场所有收益变量和交易量变量都为平仇:与原始交易量 v，的相关性较低。稳过程，可以进行变量间的 Granger 因果检验。对上海证券市场收益率(R，)及其绝对值(R:)、(2)Granger 因果检验原始交易量(v)、预期交易量(vl，)、非预期交易量(饥)依据 AIC 准则选取滞后阶数位 4，进行价量间两各序列进行 ADF单位根检验。上述序列 ADF 检验时段 Granger 因果检验，检验结果见表 5 和表6，继而值分别为一
24、58.19468、一 46.08381、一 10.71768、一 61.归纳两时段Granger 因果检验显著性程度，见表 7 和 51139 和一 n.69868，均在 1%的显著性水平下拒绝存表 8。22 大连理工大学学报(社会科学版)第 28 卷表 5 第一时段 Gran 攀 r 因果检验值统计 PairwiseGrangerCausalityTestsLags:4Sample:12/19 八 99012/13八 996NullHypothesis:ObsF 一 StatisticProbability 认doesnotGrangerCauseR15100.976920.41899Rdo
25、esnotGrangerCausev:34.25132.ZE 一 27 劝，doesnotGrangerCauseR15012.428370.04602RdoesnotGrangerCause 认r37.42607.3E 一 30 仇，doesnotGra 呀erCauseR15012.666990.03096RdoesnotGrangerCause 介:74.79117.SE 一 58 认doesnotGra 昭 erCauseR15102.680100.03029IRidoesnotGrangerCause 认7.741053.6E 一 06 劝，doe，notGrangerCauseR1
26、5012.106270.07776RdoesnotGrangerCausev:7.312167。gE 一 06 仇，doe，notGrangerCauseR15010.722720.57639RdoesnotGrangerCause 姚，27.66433.SE 一 22 裹第二时段 G 口叫，r 因果检验值统计PairwiseGrangerCausalityTestsLags:4Sample:12/16 八 9965/31/2006NullHy闪 thesis:obsF 一 StatisticProbability 认doesnotGrangerCauseR22726.038237.gE 一
27、05RdoesnotGrangerCause 认66.85701。6E 一 53 功，doesnotGrangerCauseR22727.462815.7E 一06RdoesnotGra 吧 erCause 认，70.07115.3E 一 56 仇，doesnotGrangerCauseR22726.019938.IE 一 05RdoesnotGrangerCause 姚r141。2097.E 一 108 补 doe:notGrangerCauseR22723.496950.00745RdoesnotGrangerCause 认 10.39772.4E 一 08 劝，doesnotGra 雌
28、erCauseR22723。074530.01545RldoesnotGrangerCause 认，11.19955.3E 一 09 伪，doesnotGrangerCauseR22724.201800.00216RdoesnotGrangerCause 仇，89.40751.ZE 一 70 衰 7 第一时段 Gr 别叫护 r 因果关系显若程度变量 R，R，t;劝，仇 tR，l%1%l%R，1%1%1%t，N5%认 r10%10%跳，5%N 注:表中值表示纵向变量是横向变量 Granger 原因的显著性水平，N 表示不存在 Granger 原因.第 3 期张博，殷仲民:上海证券市场价格与交易量
29、关系实证分析23表 8第二时段 Gran 公姆 r 因果关系显著程度变量 R，R，饥劝 r 晓 tRt1%l 纬 1%1凡 1l%l 环 l 写认 1%5%认 t1%5%跳，l%1%Granger 因果关系检验结果显示:在第一时段，上(3)姚，在第二时段能够在较高的显著性水平下构海证券市场 R、R:!至认、认:、仇，在 1%的显著水平成 R， 、IR，1 的 Granger 原因，并且跳:对于 R， 、IR:1 上均存在 Granger 原因，这表明对于三种类型的交易的解释能力强于认、vl， ，这说明非信息交易量相较于量而言，R:、IR，1 变化都 Granger因果导致了交易量信息交易量和原
30、始交易量具有更强的价格预测能力，的变化;同时仇和 v:，对 R，分别在 10%、5 写的显著性前述交易量分解思路得到了实证检验的支持。对于第水平上存在 Granger 原因、认和 v:对!R:分别在一时段仇，较低的价格解释能力，可以从上海证券市场 5 写，10%的显著性水平上存在 Granger 原因;认对发展初期的市场运行特征上寻找原因，在该阶段市场R， 、v!:对 IR，1 均不存在显著的 Granger 原因。在第总体规模较小、流动性较低，并且证券价格操纵特征明二时段，上海证券市场 R:、!R!分别与认、认，、姚，在显，在市场流动性较弱的背景下噪声交易会导致市场 1%的显著水平上互为 G
31、ranger 因果，相对而言R，!出现较为明显的价格波动，价格波动的信息含量和市与三种交易量间的 Granger 因果关系密切程度低于场价格发现效率明显偏低。其后随着市场规模不断提 Rr。升、信息披露机制不断完善和市场运作逐步规范化，非预期交易量在整体交易量中所占比重呈上升趋势，其四、上海证券市场价量关系解析对市场的影响和对价格的解释能力也显著增强。2.上海证券市场交易机制改进对策 1.上海证券市场价 t 关系分析针对上海证券市场价量分析所揭示的问题，应当在 MDH 分析框架下，从交易机制层面上可以对进一步推进交易机制的变革。上海证券市场价量关系作较为深人的剖析。(1)建立混合驱动交易机制(”
32、R， 、IR1 在两时段分析中始终能在 1%的显进一步增强市场流动性建设可以有效地降低基于著性水平下构成 vt、勿， 、仇:的 Granger 原因。这说明噪声交易和价格操纵所带来的价格过度波动，从而提在 MDH 分析框架下，上海证券市场中的价格变量相升市场价格生成的信息含量。在流动性建设中，可以较于交易量变量是更为有效的信息流变量替代指标，在现有指令驱动交易机制基础上引人报价驱动交易机即价格变量所拥有的信息含量高于交易量变量。需要制，由合格机构充当市商，并赋予其在收取买卖价差基注意的是在两阶段中，R，对于 v， 、认:、姚，的解释能力础上针对市场非常态下出现的流动性瓶颈承担提供流强于!R，说
33、明上海证券市场价量关系存在非对称动性的义务，从而建立起常态市场环境下以订单驱动性，这在一定程度上可以归结于卖空限制的存在，缺乏交易机制为主体、在非常态市场环境下以报价驱动交主动性做空机制导致负面信息生成交易、融人价格的易机制为有效补充的混合驱动交易机制。能力弱于正面信息，从而影响了市场信息吸收的广度。(2)完善信息披露机制(2)v， 、vl， 、vzt 在第二时段对于 R， 、!R:具有显为了使市场交易能够真实反映证券内在价值，需著的解释能力，形成价格与交易量互为 Granger 原因，要进一步加大信息交易在整体交易中所占比重，这就印证了 MDH 在上海证券市场的适用性。第二时段交需要不断完善现有的信息披露机制，即在强化现有的易量对价格的解释能力相较于第一阶段明显提升，说常规性信息披露义务的同时，针对市场价格异常波动明以实施涨跌停板制度为代表的市场交易机制改革是有效地拓展非常规性信息披露的强度和深度，使市场富有成效的，上海证券市场整体质量由此获得提升。交易能够及时地反映市场信息并使市场信息的披露能.24.大连理工大学学报(社会科学版)第 28 卷够及时有效地修正市场交易，从而进一步压缩虚假信2CLARKPK.AsubordinatedstOchasticproceSsmOdel息的散步空间、平抑其对市场的影响，为有效地提升市
